我有一个 Aspect based sentiment analysis 的任务，我必须首先预测每个句子的方面 . 方面是预定义的，总共19个 .
我必须实现一个 2-layer Neural Network （用于上述任务），其中第一层完全连接，第二层输出softmax分布 .
每个句子由单词向量的平均值表示 . 使用的单词矢量模型是 GoogleNews 300 dimensional wordvec model [https://drive.google.com/file/d/0B7XkCwpI5KDYNlNUTTlSS21pQmM/edit?usp=sharing] .
因此，对于每个句子，我有一个300维的单词向量（句子中所有单词的所有300维度单词向量的平均值） .
当句子具有方面i和总共k个方面时，输出 y 被定义为 y(i) = 1/k
否则 y(i)=0
（注意 - 一个句子可以有多个方面）
实施上述模型 -
我总共有1739个句子，每个句子都有一个 300-dim 单词向量 . 所以我有 np.array X 的形状 (1739,300) . 同样 y 是形状 (1739,19) 的 np.array .
我使用keras的代码是 -
model = Sequential()
model.add(Dense(output_dim=64, input_dim=300))
model.add(Activation('relu'))
model.add(Dense(output_dim=19))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
model.fit(X, y, nb_epoch=3)
这段代码让我错误 -Exception: Error when checking model input: expected dense_input_4 to have shape (None, 300) but got array with shape (1739, 1)
我是新学习和深思熟虑的人，所以如果有人能说出我做错了什么？
1 回答
问题在于数据的错误维度 . 它的形状应该是
(1739, 300). 重新检查您的数据准备，因为可能在那里发生错误 .